4.3.2. Pengujian terhadap Asumsi Multikolinearitas
Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen atau tidak. Ghozali 2009 menjelaskan, untuk mengetahui
ada tidaknya problem multikolinearitas dapat dilihat dari nilai tolerance dan nilai VIF. Apabila nilai tolerance di bawah 0,10 dan nilai VIF di atas 10, maka terjadi problem
multikolinearitas. Dengan kata lain model regresi bebas dari multikolinearitas apabila nilai tolerance di atas 0,10 dan nilai VIF di bawah 10.Hasil Uji Multikolinearitas tampak pada
Tabel 4.20. berikut:
Tabel 4.19 Hasil Uji Multikolinearitas
Tabel 4.16 di atas menunjukkan bahwa variabel visibility, credibility, attractiveness, dan power mempunyai nilai tolerance di atas 0,10 dan mempunyai nilai VIF di bawah 10. Hal
Tabel 4.18
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parameters
a
Mean .0000000
Std. Deviation 2.67131814
Most Extreme Differences Absolute
.106 Positive
.106 Negative
-.048 Kolmogorov-Smirnov Z
.752 Asymp. Sig. 2-tailed
.624 a. Test distribution is Normal.
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Visibility
.859 1.164
Credibility .821
1.218 Attractiveness
.813 1.230
Power .885
1.130 a. Dependent Variable: Beli
ini bermakna bahwa variabel independen visibility, credibility, attractiveness, dan power tidak mempunyai korelasi dengan variabel dependen minat beli. Dengan demikian model
regresi dalam penelitian ini bebas dari multikolinearitas.
4.3.3. Uji F
Untuk mengetahui pengaruh variabel visibility, credibility, attractiveness, dan power secara bersama-sama simultan dilakukan Uji F, seperti tampak pada Tabel 4.21 berikut:
Tabel 4.20 Hasil Uji F
Pada Tabel 4.17 di atas, hasil perhitungan mendapatkan nilai F-hitung 3,749 dengan singnifikansi 0,010 lebih kecil dari 0,05. Hal ini bermakna bahwa variabel visibility,
credibility, attractiveness, dan power secara bersama-sama mempunyai pengaruh positif
signifikan terhadap minat beli.
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
116.519 4
29.130 3.749
.010
a
Residual 349.661
45 7.770
Total 466.180
49 a. Predictors: Constant, Power, Attractiveness, Visibility, Credibility
b. Dependent Variable: MinatMembeli
4.3.4. Analisis Regresi
Kategori